“人工智能”中的知識獲取技術(shù)研究

淮北市第一中學(xué) 濮義龍 陳 思

1.概述

“人工智能”一詞最開始是在1956 年Dartmouth學(xué)會上提出的。從此以后,研究者們發(fā)展了眾多理論和原理,人工智能的概念就此開始擴展。

人工智能（Artificial Intelligence，簡稱AI）是計算機科學(xué)的一個分支，它探討智慧的本質(zhì)，創(chuàng)造人類的智慧可以在類似智能機的目的的方式作出反應(yīng)。首先，出現(xiàn)和人工智能的發(fā)展，是一個革命性的科學(xué)思維，它依賴于生成和科學(xué)思維革命發(fā)展到一定程度，但它也是思維和方法產(chǎn)生了深刻的變革人類的方式。人工智能是最密切的科學(xué)和哲學(xué)主題之間的關(guān)系，其研究結(jié)果匯集了來自心理學(xué)，語言學(xué)，神經(jīng)科學(xué)，邏輯，數(shù)學(xué)，計算機科學(xué)，機器人學(xué)，經(jīng)濟學(xué)，社會學(xué)等學(xué)科的認知。隨著人工智能以人類認識自身的方式在過去的半個世紀的時間里來改造世界，發(fā)揮重要作用。

人工智能的研究不僅是讓機器有解決問題的能力，還應(yīng)該注重機器的研究具有自學(xué)習(xí)能力，使機器也能像智慧生物一樣積累生活經(jīng)驗和智慧不斷總結(jié)教訓(xùn)，改正錯誤，提高性能，適應(yīng)不斷變化的環(huán)境，也要有發(fā)現(xiàn)和發(fā)明的能力。這也成為人工智能和智能控制的主要內(nèi)容。特別是70年代以來，由于基于知識工程的人工智能的發(fā)展，人工智能的三個中心問題已形成：知識表示（Represent）、知識應(yīng)用（Utieigation）和知識獲取（Acquisition）。知識獲取解決機器知識的來源和補充。所有先進、完善的人工智能系統(tǒng)都必須具備學(xué)習(xí)能力。機器只能根據(jù)人類的“邏輯”或“傳授”的原始知識行事。它不能適應(yīng)環(huán)境變化和事物發(fā)展的需要。

2.人工智能的基本概念

2.1 人工智能的定義

“人工智能”一直是存在許多爭議的概念，甚至于沒有有個廣為接受的定義。簡單的來說，即是“人工”與“智能”，也就是人工創(chuàng)造的具有擬人智能的系統(tǒng)。其智能包括諸如意識、自我、心靈等一系列只有生命具有的特質(zhì)?；镜娜斯ぶ悄芗词蔷哂袑W(xué)習(xí)能力的機器或系統(tǒng)。以實現(xiàn)某些機器思維[3]。

2.2 的應(yīng)用領(lǐng)域

每個學(xué)科都有自己獨特的研究課題和研究方法，在其研究領(lǐng)域中，還包括這更為詳細的分支。在人工智能中，這些分支包括自動定理證明、問題求解、自然語言處理、人工智能方法、編程語言和智能數(shù)據(jù)檢索系統(tǒng)以及自動編程。在過去的幾十年中，已經(jīng)建立了一些人工智能的計算機軟件系統(tǒng)。例如人工合成自然語言、飛機控制、疾病診斷、水下作業(yè)、太空操作、集成電路的設(shè)計與分析以及檢索情報等，都有各種新型人工智能軟件。它可以被稱為某種廣義的機器人。

2.3 人工智能的核心手段

而其中機器學(xué)習(xí)的能力無疑是人工智能研究方面最基本也最重要的課題。學(xué)習(xí)是獲得知識的根本手段，學(xué)習(xí)能力既代表著人工智能系統(tǒng)的之所以具備智能的重要標志。機器學(xué)習(xí)是使微機具有機器智能的基本途徑，也是促進系統(tǒng)進步的最根本手段。

3.機器學(xué)習(xí)

3.1 機器學(xué)習(xí)及其相關(guān)概念

機器學(xué)習(xí)技術(shù)是目前自動獲取知識的主要途徑。它主要用于專家指導(dǎo)和從所提供的數(shù)據(jù)中歸納有用的知識。

“學(xué)習(xí)”是什么，“學(xué)習(xí)”是一個流行的、被廣泛使用的概念，也是一個豐富、難以定義的術(shù)語?！皩W(xué)習(xí)”的概念對不同學(xué)科或不同發(fā)展階段有不同的定義。在人工智能中，西蒙稱之為“學(xué)習(xí)”過程，如“系統(tǒng)積累經(jīng)驗和提高性能”?！皩W(xué)習(xí)系統(tǒng)”有五種不同的定義：

（1）一個系統(tǒng)，可以從某個過程或環(huán)境的未知特性中獲取信息，并將其用作未來評估、分類、決策或控制的經(jīng)驗，以提高其性能，稱為學(xué)習(xí)系統(tǒng)。

（2）若系統(tǒng)在其環(huán)境發(fā)生改變后的一段時間(T)內(nèi)，相對于性能函數(shù)(P)的響應(yīng)是令人滿意的，則可稱為“學(xué)習(xí)系統(tǒng)”。

（3）我們可以利用與環(huán)境交互時獲得的信息，在未來與環(huán)境的互動中提高其性能，這就是所謂的“學(xué)習(xí)系統(tǒng)”。

（4）與環(huán)境相互作用，使知識庫完善的系統(tǒng)，稱為“學(xué)習(xí)系統(tǒng)”。

（5）在系統(tǒng)運行過程中，從外部環(huán)境中獲取知識，提高系統(tǒng)性能的系統(tǒng)稱為“學(xué)習(xí)系統(tǒng)”。

機器學(xué)習(xí)的目的是研究如何使計算機模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，從而獲得新的知識或技能，重組已有的知識結(jié)構(gòu)，提高學(xué)習(xí)績效。它是人工智能的核心，是計算機智能化的關(guān)鍵環(huán)節(jié)。其應(yīng)用已遍及所有分支中的人工智能技術(shù)，如專家系統(tǒng)、計算機視覺、自動推理、模式識別、自然語言理解、智能機器人等。這也是專家系統(tǒng)知識獲取中一個非常典型的瓶頸，研究人員一直試圖利用機器學(xué)習(xí)方法來克服這些困難。

3.2 機器學(xué)習(xí)的研究意義

一個沒有學(xué)習(xí)能力的智能系統(tǒng)很難稱之為真正的智能系統(tǒng)。當它們錯了時，它們不會自我糾正；它們不會通過經(jīng)驗來提高他們的表現(xiàn)；它們不會自動獲取和發(fā)現(xiàn)所需的知識。它們的推理僅限于演繹和歸納，所以至多只能證明現(xiàn)有的事實和定理，不能找到新的定理、法則和規(guī)則。隨著人工智能技術(shù)的發(fā)展，這些局限性越來越突出。正是在這種情況下，機器學(xué)習(xí)逐漸成為人工智能研究的核心內(nèi)容之一。

本研究基于機器學(xué)習(xí)生理學(xué)、認知科學(xué)、人類認知的學(xué)習(xí)機制，建立學(xué)習(xí)過程的計算模型和理解的人體模型，學(xué)習(xí)理論和學(xué)習(xí)，建立學(xué)習(xí)系統(tǒng)中的應(yīng)用具體任務(wù)導(dǎo)向的發(fā)展分析的一般理論和學(xué)習(xí)算法。每一個研究目標的突破可能導(dǎo)致其他領(lǐng)域的進展。通過模擬人的學(xué)習(xí)過程，建立了知識學(xué)習(xí)模型。從而為認知科學(xué)的發(fā)展提供了依據(jù)。

3.3 機器學(xué)習(xí)的方法

機器學(xué)習(xí)的方法分為三個系統(tǒng)，分別是演繹學(xué)習(xí)系統(tǒng)、歸納學(xué)習(xí)系統(tǒng)和類比學(xué)習(xí)系統(tǒng)。

（1）演繹學(xué)習(xí)系統(tǒng)主要用于一般到特殊的推理，通過建立公理系統(tǒng)和推理定理法則，從之前可知的題目中推出相應(yīng)的結(jié)論。推理從公理出發(fā)，經(jīng)過邏輯變換推導(dǎo)出結(jié)論。這種推理是“保真”變換和特化(specialization)的過程，這樣學(xué)生便可以在推理過程中獲取有用的知識。這種學(xué)習(xí)方法包含宏操作(macro-operation)學(xué)習(xí)、知識編輯和組塊(Chunking)技術(shù)。

（2）歸納學(xué)習(xí)系統(tǒng)是演繹推理的逆過程，主要用于自特殊到一般的推理。在系統(tǒng)中歸納分為完全歸納和不完全歸納，因果關(guān)系歸納和簡單枚舉歸納。

（3）類比學(xué)習(xí)系統(tǒng)又叫做模仿系統(tǒng)，一種自特殊到特殊的推理。包括相似的特征等目標域的相應(yīng)知識推斷，使用兩種不同的字段、源域或目標域的知識的相似性，通過類比前者的知識，以達到學(xué)習(xí)的目的。類比學(xué)習(xí)系統(tǒng)允許現(xiàn)有的計算機應(yīng)用到新的領(lǐng)域，以適應(yīng)和實現(xiàn)類似的功能不是最初設(shè)計。

3.4 機器學(xué)習(xí)系統(tǒng)的結(jié)構(gòu)原理

機器學(xué)習(xí)系統(tǒng)是建立在人工智能的學(xué)習(xí)原理和方法基礎(chǔ)上的。它是應(yīng)用知識表示、知識存儲、知識推理等技術(shù)進行設(shè)計和制造的。該系統(tǒng)具有知識獲取功能，能夠逐步提高其性能，可以稱之為人工智能學(xué)習(xí)系統(tǒng)或智能學(xué)習(xí)系統(tǒng)。

機器學(xué)習(xí)系統(tǒng)可以進行自學(xué)或教育，離線或在線學(xué)習(xí)。在學(xué)習(xí)過程中，可以用實例，類比，指導(dǎo)學(xué)習(xí)懲罰的方法，歸納，演繹和聯(lián)想學(xué)習(xí)。根據(jù)所采用的學(xué)習(xí)方法，實際系統(tǒng)中的學(xué)習(xí)環(huán)節(jié)。

在機器學(xué)習(xí)系統(tǒng)中，需要建立知識庫來獲取知識和提高性能，需要知識庫進行添加、刪除、修改、擴展和更新等功能。在教學(xué)和學(xué)習(xí)系統(tǒng)中，還有一個人機界面，用來向教師學(xué)習(xí)和獲取知識。

教學(xué)系統(tǒng)通常是離線學(xué)習(xí)、非實時學(xué)習(xí)、實時和在線學(xué)習(xí)?！霸诰€”指的是系統(tǒng)與學(xué)習(xí)系統(tǒng)中的工作對象或環(huán)境的時間域之間的直接連接?！半x線”相反，是不在線的?！皩崟r”指的是學(xué)習(xí)系統(tǒng)的時間域與其工作對象或環(huán)境的時間域相同，即實際運行時間，而“非實時”指的是不同的時間域。

圖1顯示了機器學(xué)習(xí)系統(tǒng)或智能學(xué)習(xí)系統(tǒng)的一般結(jié)構(gòu)圖。

圖1 智能學(xué)習(xí)系統(tǒng)總體結(jié)構(gòu)圖

當監(jiān)控鏈接是教師時，圖1是一個教學(xué)系統(tǒng)。當監(jiān)視鏈接是監(jiān)視器時，圖1是一個自學(xué)習(xí)系統(tǒng)。當系統(tǒng)沒有直接連接到環(huán)境時，圖1表示離線學(xué)習(xí)系統(tǒng)；當環(huán)境和系統(tǒng)聯(lián)機時，圖1表示在線學(xué)習(xí)系統(tǒng)。

3.5 機器學(xué)習(xí)系統(tǒng)的基本功能

智能學(xué)習(xí)系統(tǒng)分為環(huán)境、選例[8]、監(jiān)督、學(xué)習(xí)、知識庫、工作等六個部分。本段將分別介紹各個部分的功能。

3.5.1 知識庫

知識庫是用來存儲知識、積累知識、增加、減少、擴充、修改和更新知識的管理系統(tǒng)。根據(jù)存儲知識的存儲穩(wěn)定性，可分為三類：

（1）長期記憶知識：穩(wěn)定的知識。學(xué)習(xí)系統(tǒng)必須具有先驗知識，不改變基本知識，如基本概念和定理、法律與正義、游戲基本規(guī)則等。

（2）中期記憶知識：通過研究，我們可以添加或刪除或修改特定環(huán)境中正在變化的知識部分，也就是知識庫。

（3）短期記憶：反映環(huán)境變化的信息和數(shù)據(jù)，學(xué)習(xí)過程中的中間結(jié)果，以及知識召喚的條件。它通常在“在線”學(xué)習(xí)過程中發(fā)生變化，通常存儲在“普通數(shù)據(jù)庫”或“黑板”中。

3.5.2 學(xué)習(xí)環(huán)節(jié)及其功能

學(xué)習(xí)系統(tǒng)的核心環(huán)節(jié),為接受監(jiān)督指導(dǎo)、采集環(huán)境信息、修改知識庫、進行學(xué)習(xí)推理，其作用如下：

（1）接受監(jiān)督指導(dǎo)：接受來自監(jiān)督環(huán)節(jié)的評價標準、指導(dǎo)信息或示教。

（2）采集環(huán)境信息：通過直接采集或選例環(huán)節(jié)有關(guān)環(huán)境變化的信息。

（3）修改知識庫：把學(xué)習(xí)推理所獲得的結(jié)果，輸入知識庫，對原有的知識進行增減、修改。

（4）進行學(xué)習(xí)推理：利用所采集的環(huán)境，根據(jù)監(jiān)督指導(dǎo)，通過示例類比、強記、指導(dǎo)等學(xué)習(xí)方法，進行學(xué)習(xí)過程的知識推理，獲得有關(guān)問題的解答和結(jié)論。

3.5.3 工作環(huán)節(jié)

工作環(huán)節(jié)就是利用知識庫中的知識，進行識別，直接引起環(huán)境的變化，如機器人行動、生產(chǎn)過程控制、機器博弈等。那么就形成了“在線”學(xué)習(xí)系統(tǒng)。

3.5.4 監(jiān)督環(huán)節(jié)及其功能

在教學(xué)體系中，監(jiān)督環(huán)節(jié)也是人，即教師；在自學(xué)制度中，監(jiān)督環(huán)節(jié)是監(jiān)督，即評價標準或檢查標準。其作用如下：

（1）工作效果評價：從工作環(huán)節(jié)接收反饋信息，測試和評價系統(tǒng)的工作效果。

（2）全面評價標準：從不斷變化的環(huán)境中接受信息。制定和修訂檢驗標準和評定標準。

（3）學(xué)習(xí)與督導(dǎo)環(huán)節(jié)：根據(jù)測試的結(jié)果和評價對學(xué)習(xí)環(huán)節(jié)進行教學(xué)、培訓(xùn)或指導(dǎo)。

（4）選擇實例控制環(huán)節(jié)：根據(jù)鏈接變化信息和工作效果反饋，控制實例鏈接的選擇，選擇其他案例或樣本。

3.5.5 選擇程序

選擇案例的作用是從環(huán)境中選擇典型的樣例或樣例作為系統(tǒng)訓(xùn)練集或?qū)W習(xí)對象，以提高學(xué)習(xí)效率，加快學(xué)習(xí)過程。示例的選擇可以由一個人或一臺機器來實現(xiàn)。

3.5.6 環(huán)境

環(huán)境指的是知識和信息的來源、工作的對象和性質(zhì)。例如病人、醫(yī)生、病歷、診斷、文字、圖像、場景的模式識別系統(tǒng)、游戲系統(tǒng)、游戲?qū)κ?、被控對象的智能控制系統(tǒng)和生產(chǎn)過程等。

3.6 代碼示例

列舉一個機器學(xué)習(xí)的例子，例如通過環(huán)境影響來進行學(xué)習(xí)。

本程序?qū)⒏鶕?jù)您的評價判斷執(zhí)行結(jié)果"1+1=2"，實際上僅用了最簡單的if else for語句。這就是一個機器學(xué)習(xí)的例子，通過環(huán)境影響來進行學(xué)習(xí)。

通過本例我們可以看出，在人工錯誤的引導(dǎo)下，機器會給出錯誤的答案 1+1不等于2。所以這種學(xué)習(xí)方法，一定要在正確引導(dǎo)下實踐，否則會得到最壞的結(jié)果。學(xué)習(xí)完畢后，計算機會儲存本次學(xué)習(xí)結(jié)果，存入數(shù)據(jù)庫，下次執(zhí)行相應(yīng)任務(wù)時，再將結(jié)果調(diào)出執(zhí)行。

4.總結(jié)與展望

在現(xiàn)今的人工智能，推理，學(xué)習(xí)活動，其中聯(lián)想是最重要的三大功能。這就需要推理和聯(lián)想功能，以增加通過改進學(xué)習(xí)功能。機器學(xué)習(xí)占據(jù)了人工智能研究的重要地位，基礎(chǔ)是人工智能理論的發(fā)展，關(guān)鍵是要克服知識獲取技術(shù)，只是為了使人工人機界面系統(tǒng)完美的收購機器學(xué)習(xí)研究和開發(fā)智能發(fā)揮顯著的力量。

因此，我們需要加強機器學(xué)習(xí)的研究，不斷開發(fā)新的學(xué)習(xí)系統(tǒng)，促進人工智能的發(fā)展。

知識獲取技術(shù)最近幾年發(fā)展迅速，但其畢竟屬于新興領(lǐng)域，發(fā)展時間比較短并且技術(shù)難題很多，一直以來，人工智能機器學(xué)習(xí)能力是人工智能領(lǐng)域研究的一個“瓶頸”。一方面機器學(xué)習(xí)的在限制人工智能和機器學(xué)習(xí)的發(fā)展；另一方面，鑒于與其他領(lǐng)域的密切關(guān)系，這要求研究人員工作機器學(xué)習(xí)的同時，其他領(lǐng)域的發(fā)展可以在新的學(xué)習(xí)算法和學(xué)習(xí)機構(gòu)的其他領(lǐng)域有所發(fā)現(xiàn)，從而推動機器學(xué)習(xí)領(lǐng)域的新發(fā)展。

致謝：

本論文是在陳思老師的悉心指導(dǎo)下完成的。在論文的開始時期，我有好多專業(yè)的知識不懂，去向老師請教，老師耐心地一一幫我解答了，從而能夠在接下來寫論文的過程中，能夠快速的知道論文該如何的去寫。老師和藹的教學(xué)思想、一絲不茍的態(tài)度、博學(xué)的知識、嚴謹?shù)闹螌W(xué)態(tài)度，使我收獲巨大，這一點永遠值得我跟老師學(xué)習(xí)，不斷的完善自己，追求進步，追求知識，從而使我能夠向著更遠的方向不斷前進。在此，我對老師表示衷心的感謝，并致以最崇高的敬意！

衷心感謝授課老師課上對我們的教導(dǎo)，你們豐富的授課內(nèi)容拓寬了我的視野，讓我能更順利的完成這篇文章；感謝同窗學(xué)友們，在與他們相處中，他們給予我諸多的鼓勵、啟發(fā)和幫助，使我感受到集體的溫暖和相互協(xié)作的快樂，得益非淺！最后，對審閱此論文的老師們表示衷心的感謝！

再次感謝所有關(guān)心、支持、幫助過我的人！

[1]王萬森.人工智能原理及其應(yīng)用[M].北京:電子工業(yè)出版社,2002.

[2]史忠植.高級人工智能[M].北京:科學(xué)出版社,1998.

[3]姜雅慧.人工智能中的機器學(xué)習(xí)研究[J].計算機光盤軟件與應(yīng)用,2013/21.

[4]任錦,彭瑋.淺談人工智能技術(shù)[J].理工,2010/12.

[5]郭亞寧,馮莎莎.機器學(xué)習(xí)理論研究[J].中國科技信息,2010/14.

[6]王文.淺析機器學(xué)習(xí)的研究與應(yīng)用[J].計算機與信息技術(shù),2010/Z2.

[7]李健宏.人工智能中的機器學(xué)習(xí)研究及其應(yīng)用[J].江西科技師范學(xué)院報,2004/10.

[8]李德毅.網(wǎng)絡(luò)時代人工智能研究與發(fā)展[J].智能系統(tǒng)學(xué)報,2009/2.

[9]Weiss M A.Data Structures and Problem Solving Using C++[M].Pearson Education Inc.2000.